深度学习在生物医药领域中的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新，已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价10元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 12090 篇文献，本页显示第 10621 - 10640 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10621 | 2024-08-05 |
A high-accuracy lightweight network model for X-ray image diagnosis: A case study of COVID detection
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303049
PMID:38889106
|
研究论文 | 本研究提出了一种高精度轻量级网络模型用于X光图像诊断，专注于COVID-19检测。 | 本研究采用了MobileNetV3作为基础架构，并通过引入密集块、过渡层、标签平滑损失和类别加权等创新方法，显著提高了模型的分类准确性，同时减少了参数数量。 | 该研究未提及实验证据的外部验证和应用范围的广泛性，可能限制了其通用性。 | 研究旨在开发一种快速可靠的X光图像诊断方法，以应对COVID-19病情的快速传播。 | 主要研究对象为COVID-19患者的X光影像。 | 计算机视觉 | COVID-19 | 深度学习 | MobileNetV3 | 图像 | 使用公开可获取的数据库进行验证，样本数量未具体说明 |
| 10622 | 2024-08-05 |
Exploring deep learning radiomics for classifying osteoporotic vertebral fractures in X-ray images
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1370838
PMID:38606087
|
研究论文 | 本文开发并验证了一种深度学习放射组学模型，用于预测骨质疏松椎体骨折的分类 | 创新点在于使用深度学习放射组学模型，从X光图像中提取特征，以分类骨质疏松椎体骨折 | 该研究尚未讨论模型在不同种族或年龄组的适用性 | 研究旨在利用X光图像预测骨质疏松椎体骨折的分类 | 研究对象包括942名患者，检查1076个椎骨 | 医学影像处理 | 骨质疏松病 | 深度学习放射组学 | ResNet-50 | 图像 | 942名患者，1076个椎骨的X光图像 |
| 10623 | 2024-08-05 |
Small target tea bud detection based on improved YOLOv5 in complex background
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1393138
PMID:38887461
|
研究论文 | 该研究提出了一种基于改进YOLOv5的小目标茶芽检测方法 | 使用注意力机制和轻量级卷积方法，提高了茶芽检测的准确性和速度 | 现有检测方法在复杂背景下仍然存在局限 | 实现智能茶芽采摘的准确和快速茶芽检测 | 茶芽 | 计算机视觉 | NA | YOLOv5, SPPF, GSConv | NA | 图像 | NA |
| 10624 | 2024-08-05 |
Enhancing surgical decision-making in NEC with ResNet18: a deep learning approach to predict the need for surgery through x-ray image analysis
2024, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2024.1405780
PMID:38895195
|
研究论文 | 该文章探讨了使用ResNet18深度学习模型分析X光图像以优化新生儿坏死性小肠炎手术决策。 | 该研究首次将深度学习应用于新生儿坏死性小肠炎的影像分析，以预测是否需要手术。 | 研究仅基于回顾性分析，样本数量和时间范围可能影响结果的普遍性。 | 本研究旨在通过分析床边X光图像来优化新生儿坏死性小肠炎的手术决策。 | 研究对象为263例被诊断为坏死性小肠炎的婴儿，分为手术组和非手术组。 | 计算机视觉 | 新生儿坏死性小肠炎 | 深度学习 | ResNet18 | X光图像 | 263例新生儿坏死性小肠炎患者的X光图像 |
| 10625 | 2024-08-05 |
Application and progress of artificial intelligence technology in the segmentation of hyperreflective foci in OCT images for ophthalmic disease research
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.06.20
PMID:38895690
|
综述 | 本文综述了人工智能技术在OCT图像中对高反射焦点的分割在眼科疾病研究中的应用与进展 | 文章创新地探讨了AI技术在生物标志物分析中的应用，提升了对眼科疾病的早期筛查和诊断精度 | 文章未具体阐述AI技术在不同眼科疾病应用中的局限性 | 研究人工智能在眼科疾病高反射焦点的分割与分析中的应用潜力 | 瞄准高反射焦点及其在眼科疾病中的生物标志物角色 | 计算机视觉 | 年龄相关性黄斑变性，糖尿病性视网膜水肿，视网膜静脉阻塞 | 机器学习，深度学习 | NA | 光学相干断层扫描图像 | NA |
| 10626 | 2024-08-05 |
Deep learning models with optimized fluorescence spectroscopy to advance freshness of rainbow trout predicting under nonisothermal storage conditions
2024-Oct-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.139774
PMID:38810453
|
研究论文 | 本研究建立了基于优化的激发-发射矩阵（EEM）的深度学习模型，以预测虹鳟鱼在非等温储存条件下的新鲜度变化 | 提出了一种基于优化的EEM数据的深度学习模型，用于预测虹鳟鱼的新鲜度 | 缺乏对不同储存条件的广泛验证 | 研究预测在非等温储存条件下虹鳟鱼的新鲜度 | 虹鳟鱼的新鲜度变化 | 机器学习 | NA | 优化的激发-发射矩阵（EEM） | 长短期记忆网络（LSTM），卷积神经网络长短期记忆（CNN_LSTM），径向基函数神经网络（RBFNN） | 光谱数据 | NA |
| 10627 | 2024-08-05 |
Deep learning assisted logic gates for real-time identification of natural tetracycline antibiotics
2024-Oct-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.139705
PMID:38820637
|
研究论文 | 本研究提出了一种结合深度学习和多模式逻辑门的工具箱，用于实时识别自然四环素抗生素。 | 将深度学习、荧光和比色法相结合，实现了对四种自然四环素的实时识别，克服了传统平台的不足。 | 仅限于自然四环素抗生素的识别，未涵盖其他类型抗生素或复杂混合物的检测。 | 旨在提供一种新工具以实现四环素抗生素的实时识别和量化。 | 针对天然四种四环素抗生素进行实时识别，包括四氟环素、氧四环素、多西环素和氯四环素。 | 数字病理学 | NA | 荧光和比色法 | 深度学习模型 | 荧光数据和比色数据 | NA |
| 10628 | 2024-08-05 |
Harnessing the power of hybrid deep learning algorithm for the estimation of global horizontal irradiance
2024-Sep-15, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.173958
PMID:38871320
|
研究论文 | 本研究提出了一种整合卷积神经网络、长短时记忆和门控循环单元的混合模型用于全球水平辐射照度的估计。 | 提出的混合模型在全球水平辐射照度的预测中相较于单独模型具有更好的性能，显著降低了预测误差。 | 研究仅基于印度拉贾斯坦邦四个地区的数据进行，可能限制了模型在其他地理区域的适用性。 | 旨在提高全球水平辐射照度的估计准确性和适应性。 | 使用拉贾斯坦邦四个不同地区的太阳辐射数据进行研究。 | 机器学习 | NA | CNN、LSTM、GRU | 混合模型（CNN-LSTM-GRU） | 时间序列数据 | 四个地区的太阳辐射数据 |
| 10629 | 2024-08-05 |
Advancements in remote sensing for active fire detection: A review of datasets and methods
2024-Sep-15, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.173273
PMID:38823698
|
综述 | 本研究全面且批判性地审查了自1975年以来遥感在火灾探测方面的进展 | 强调了机器学习，特别是深度学习技术在火灾探测中的日益重要性 | NA | 旨在为自然资源管理和环境保护提供有价值的资源 | 火灾探测的遥感数据集和对应的检测算法 | 计算机视觉 | NA | 遥感技术 | 深度学习 | 数据集 | NA |
| 10630 | 2024-08-05 |
A partially flipped physiology classroom improves the deep learning approach of medical students
2024-Sep-01, Advances in physiology education
IF:1.7Q4
DOI:10.1152/advan.00196.2023
PMID:38602011
|
研究论文 | 本研究比较了部分翻转生理课堂（PFC）与传统讲座课堂（TLC）对医学生学习方法的影响 | 部分翻转课堂显著提高了学生的深度学习动机和策略，优于传统课堂的表层学习 | 本研究仅针对生理课程，样本量较小，结果可能不具普遍适用性 | 旨在提高医学生的学习方法，尤其是深度学习策略 | 71名临床医学专业的学生 | 教育 | NA | R-SPQ-2F问卷 | NA | 量表数据 | 71名学生（实验组32名，控制组39名） |
| 10631 | 2024-08-05 |
EResNet-SVM: an overfitting-relieved deep learning model for recognition of plant diseases and pests
2024-Aug-15, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.13462
PMID:38483173
|
研究论文 | 本文提出了一种深度学习模型EResNet-SVM，用于缓解植物疾病和害虫的过拟合问题。 | 通过增加卷积神经网络的特征提取层和引入稀疏激活函数，显著提高了模型的特征提取能力和分类准确性。 | 未提及具体的应用场景限制或特定的外部条件限制。 | 旨在提高植物疾病和害虫识别的准确性，并解决深度学习模型中的过拟合问题。 | 针对植物疾病和害虫的识别与分类进行了研究。 | 机器学习 | 植物疾病 | 深度学习 | EResNet-SVM | 图像 | 包含八种情况（七种植物疾病和一种正常）以及六种害虫的测试结果 |
| 10632 | 2024-08-05 |
Knowledge enhanced attention aggregation network for medicine recommendation
2024-Aug, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种基于注意力聚合网络和增强图卷积的药物推荐模型KEAN | KEAN聚合患者就诊中的个别诊断和程序，捕捉影响疾病的重要特征，并整合复杂药物组合的医学知识 | 没有提及具体的局限性 | 提高药物推荐的准确性和效果 | 患者的临床记录和药物推荐 | 自然语言处理 | NA | 图卷积 | 注意力聚合网络 | 临床记录数据 | MIMIC-III数据集 |
| 10633 | 2024-08-05 |
The prediction of pCR and chemosensitivity for breast cancer patients using DLG3, RADL and Pathomics signatures based on machine learning and deep learning
2024-Aug, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2024.101985
PMID:38805774
|
研究论文 | 本研究旨在使用多组学特征预测接受新辅助化疗的乳腺癌患者的病理完全响应(pCR)及化疗敏感性 | 首次探讨了放射组学、病理组学特征与化疗敏感性之间的关系，开发多组学标志用于预测pCR | 研究为回顾性，多中心参与，可能受到选择偏倚的影响 | 评估多组学特征在乳腺癌患者新辅助化疗中的预测效用 | 311名接受新辅助化疗的恶性乳腺肿瘤患者 | 数字病理学 | 乳腺癌 | 机器学习（ML）和深度学习（DL）算法 | NA | 临床数据 | 311名乳腺癌患者 |
| 10634 | 2024-08-05 |
UmamiPreDL: Deep learning model for umami taste prediction of peptides using BERT and CNN
2024-Aug, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种新的深度学习模型UmamiPreDL，用于预测肽的鲜味。 | 本研究使用生物序列转换器如ProtBert和ESM2作为特征编码器，并开发了4种模型架构，ProtBert-CNN模型的准确度达到了95%。 | 本研究可能在样本多样性和模型通用性方面存在一定限制，未在不同类型的肽上进行广泛测试。 | 研究鲜味预测模型，以提高食品工业中对鲜味成分的识别能力。 | 研究对象为肽及其对鲜味的影响。 | 机器学习 | NA | 深度学习 | CNN | NA | 使用5折交叉验证数据及独立数据进行测试，具体样本数量未明确 |
| 10635 | 2024-08-05 |
Cross vision transformer with enhanced Growth Optimizer for breast cancer detection in IoMT environment
2024-Aug, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种新的技术，通过CrossViT和改进的Growth Optimizer算法提高乳腺癌检测的准确性 | 提出结合CNN和transformer的CrossViT模型，以及改进的Growth Optimizer算法用于特征选择 | 未提及具体的局限性 | 提高乳腺癌的检测准确性，帮助临床医生做出更准确的诊断 | 使用公共可用的乳腺癌数据集进行研究 | 计算机视觉 | 乳腺癌 | 深度学习 | CrossViT | 图像 | 使用三个公开的乳腺癌数据集进行评估 |
| 10636 | 2024-08-05 |
The application of artificial intelligence to accelerate G protein-coupled receptor drug discovery
2024-Jul, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.16140
PMID:37161878
|
研究论文 | 本文探讨了人工智能在G蛋白偶联受体（GPCR）药物发现中的应用 | 介绍了人工智能如何在药物发现的不同阶段提供支持，并总结了已有的应用案例 | 文章中提到的局限性需要更深入的研究以充分发挥人工智能的潜力 | 研究人工智能在G蛋白偶联受体药物发现过程中的作用和潜力 | G蛋白偶联受体及其配体相互作用的发现和临床反应预测 | 人工智能 | NA | 机器学习和深度学习 | NA | NA | NA |
| 10637 | 2024-08-05 |
Coordinate-wise monotonic transformations enable privacy-preserving age estimation with 3D face point cloud
2024-Jul, Science China. Life sciences
DOI:10.1007/s11427-023-2518-8
PMID:38573362
|
研究论文 | 本文提出了一种通过坐标单调变换进行隐私保护的面部年龄估计方法 | 创新在于开发了使用坐标单调变换的面部数据掩蔽方法，同时保留年龄相关特征 | 研究可能在处理面部形状信息时受到限制，机器仍可识别处理后的面部 | 研究旨在开发面部年龄估计模型，同时确保数据隐私 | 研究对象为非注册的面部点云数据 | 计算机视觉 | NA | 深度学习 | NA | 3D面部点云 | NA |
| 10638 | 2024-08-05 |
Self-supervised category selective attention classifier network for diabetic macular edema classification
2024-Jul, Acta diabetologica
IF:3.1Q2
DOI:10.1007/s00592-024-02257-6
PMID:38521818
|
研究论文 | 本研究旨在开发一种先进的模型用于糖尿病性黄斑水肿(DME)的分类。 | 提出了一种新颖的架构SSCSAC-Net，利用自监督学习和类别选择性注意机制，提高DME分类的精度。 | NA | 研究旨在使用深度学习技术改进DME的分类精度。 | 主要研究对象为糖尿病性黄斑水肿的图像分类。 | 数字病理学 | 糖尿病性黄斑水肿 | 深度学习 | SSCSAC-Net | 图像 | 使用多个基准数据集进行测试 |
| 10639 | 2024-08-07 |
Editorial for "Parallel CNN-Deep Learning Clinical-Imaging Signature for Assessing Pathologic Grade and Prognosis of Soft Tissue Sarcoma Patients"
2024-Jun-19, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29476
PMID:38896101
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10640 | 2024-08-05 |
Deep learning-based approach for 3D bone segmentation and prediction of missing tooth region for dental implant planning
2024-06-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64609-0
PMID:38880802
|
研究论文 | 本研究利用U-Net模型进行牙科CBCT扫描中缺失牙齿区域的骨骼分割和植牙位置预测 | 提出了一种基于深度学习的U-Net模型，针对牙科影像分析和植牙规划进行了创新应用 | 无相关限制信息 | 研究旨在提高牙科植牙规划的自动化水平 | 研究对象为Taibah大学牙科医院2018至2023年的CBCT数据集患者 | 数字病理 | NA | CBCT | U-Net | 影像 | NA |